基于AI识别的汽车零件检测方法、系统、设备及存储介质技术方案

本发明专利技术提供基于AI识别的汽车零件检测方法、系统、设备及存储介质，方法包括：获取汽车零件的零件号信息；获取汽车零件的图像；根据汽车零件的图像和零件号信息进行分类标注；将分类标注的汽车零件图像划分训练和测试样本数据集；基于EfficientNetV2构建网络模型，将MBConv模块中的SE注意力机制替换为CA注意力机制；对样本数据集进行预处理；将预处理的训练样本数据集输入网络模型，对网络模型进行训练，得到收敛的网络模型；将预处理的测试样本数据集输入收敛的网络模型进行验证，得到识别结果；将待测的汽车零件图像输入收敛的网络模型进行识别得到待测的汽车零件图像的识别结果。本发明专利技术将通道注意力与空间注意力联合了起来，更能准确地提取汽车零件的有效特征。更能准确地提取汽车零件的有效特征。更能准确地提取汽车零件的有效特征。

【技术实现步骤摘要】
基于AI识别的汽车零件检测方法、系统、设备及存储介质


[0001]本专利技术涉及AI技术在工业质检
的应用，尤其是一种基于EfficientNetV2的汽车零件检测方法、系统、设备及存储介质。

技术介绍

[0002]随着中国汽车行业的高速发展、汽车产量的增加以及汽车零部件市场的扩大，我国汽车零部件行业得到了迅速发展，增长速度整体高于我国整车行业。数据显示，我国汽车零部件的销售收入从2016年3.46万亿元增长至2020年的4.57万亿元，年均复合增长率是7.2％，2021年我国汽车零部件销售收入达4.9万亿元。
[0003]由此可见，汽车零件出库入库量数据庞大，汽车零件外形相似且复杂，市面上90％的企业都依靠于人工检查识别入库，花费大量人力物力查验收货效率依旧低下。
[0004]面对外形复杂且相似件众多的汽车零件，收货人员都是经过经验识别查验收货入库。极易发生判别错误的情况，比如左右件混淆、零件形状各异难以记忆判别。收货人员的经验技能和工作状态都会很大程度影响零件检查识别的正确率，每次产生新的零件都要花费大量时间组织收货人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI识别的汽车零件检测方法，其特征在于，包括：获取汽车零件的零件号信息；获取汽车零件的图像；根据所获取的汽车零件的图像和零件号信息进行分类标注；将分类标注的汽车零件图像划分训练样本数据集和测试样本数据集；基于EfficientNetV2构建网络模型，将MBConv模块中的SE注意力机制替换为CA注意力机制；对训练样本数据集和测试样本数据集进行预处理；将预处理的训练样本数据集输入网络模型，对网络模型进行训练，得到收敛的网络模型；将预处理的测试样本数据集输入收敛的网络模型进行验证，得到识别结果；将待测的汽车零件图像输入收敛的网络模型进行识别得到待测的汽车零件图像的识别结果。2.根据权利要求1所述的基于AI识别的汽车零件检测方法，其特征在于：所述网络模型引入类平衡损失来构建汽车零件识别的损失函数，利用每个汽车零件类的有效样本数来重新平衡损失，假设类y有n
y
个有效训练样本，类别y的类平衡softmax交叉熵损失表示为：其中，z为模型的输出向量，表示为[z1,z2,
…
,z
C
]
T
，C为类别数，n
y
表示类别为y的有效训练样本数量，超参数β为权重调整系数，当为0时，表示没有重新加权，当趋向于1时，表示按照反向频率进行加权。3.根据权利要求2所述的基于AI识别的汽车零件检测方法，其特征在于：所述预处理为依次进行水平翻转、镜像翻转、旋转、加入高斯噪声、HSV色彩增强。4.根据权利要求3所述的基于AI识别的汽车零件检测方法，其特征在于：将预处理后的训练样本数据集输入网络模型训练时，采用的是渐进的学习方法，所述的渐进的学习方法包括：先使用分辨率较小的汽车零件图像和弱正则化训练所述网络模型，逐渐增加汽车零件图像的分辨率...

【专利技术属性】
技术研发人员：邱芬鹏，吴先巧，甘海华，
申请(专利权)人：联通广东产业互联网有限公司，
类型：发明
国别省市：